HYDRA: Proactive Android Malware Drift Adaptation via Hierarchical Graph Contrastive Learning
该论文聚焦于 Android 恶意软件检测中的概念漂移（concept drift）问题。随着恶意样本持续演化，基于机器学习训练的检测器性能会显著退化。作者指出当前两类主流适应策略各有缺陷：一类是「反应式」方案，只有在检测性能已经下降后才触
#graph-learning
共收录 7 条相关情报。
← 返回所有主题Partition-Matched Evaluation of Community Features under Distribution Shift in Android Malware Function-Call Graphs
该论文研究基于函数调用图的 Android 恶意软件分类器在分布偏移（恶意软件类型或家族变化）下的泛化能力，核心问题是：函数调用图中的"中观"组织结构（即社区/模块化社区划分）是否能在局部度数分布（LDP）、全局统计量、轻量级元数据以及规模
Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection
基于溯源（provenance）的入侵检测系统（PIDS）通过分析进程、文件、网络等实体之间的系统交互关系来识别高级持续性威胁（APT）。现有方法大多将各类关系（relation，即图中边类型，如读/写文件、网络连接、进程派生等）一视同仁地
Long-Range Indirect Control-Flow Prediction in Stripped Binaries via Dual Virtual Hubs and Multi-Task Graph Learning
本文针对剥离二进制中恢复间接控制流（ICF）边的问题。现有方法难以处理长距离依赖，隔离不同ICF类型，并常在易受标签噪声和数据泄漏影响的协议下评估。作者提出ICFlowNet，一个统一框架，用于剥离二进制的长程间接控制流预测。ICFlowN
DOITRUST: Dissecting On-chain Compromised Internet Domains via Graph Learning.
本文提出 DOITRUST，一种基于图学习的链上受损域名检测方法。传统的域名黑/白名单通常不完整且具有被动性，为此作者首先构建了扩展图（expansion graph），通过爬取超链接并基于信任传递性有机生成互联网域名白名单。然而，在这种扩
Careful About What App Promotion Ads Recommend! Detecting and Explaining Malware Promotion via App Promotion Graph.
本文针对安卓应用中恶意软件通过应用推广广告（app promotion ads）分发的新趋势，提出了一种名为ADGPE（App promotion ad Detection via Graph learning and UI Explora
Towards Personalized Differentially Private Learning for Decentralized Local Graphs
该论文针对分布式环境下局部图数据的隐私保护问题展开研究。随着社交网络、移动应用和边缘计算等场景的普及，图结构数据越来越多地以去中心化方式生成和存储，用户对自身局部图数据拥有控制权。然而，在利用这些数据进行下游学习任务时，节点及其属性常包含敏